这是一项分散的,前性的观察性研究,旨在从使用智能手机的骨髓灰质炎患者中收集真实世界的数据

科学领域:

• 神经学 神经学
• 数字健康数字健康
• 现实世界的数据

背景情况:

• 骨髓灰质炎 (MG) 是一种慢性自身免疫性神经肌肉疾病.
• 鉴别MG恶化对于有效管理至关重要.
• 当前的监测方法可能无法完全捕捉MG症状的动态性质.

研究的目的:

• 评估一个去中心化,基于智能手机的平台的可行性,用于收集MG患者的真实数据.
• 用患者报告的结果和可穿戴设备数据来描述MG恶化期间的症状参与.

主要方法:

• 一项为期3个月的前性研究招募了113名患有Myasthenia Gravis的参与者.
• 通过智能手机应用程序收集的数据包括每日电子患者报告结果 (ePRO) 和可选的可穿戴数据.
• MG-日常生活活动 (MG-ADL) 评分和恶化状态是主要终点.

主要成果:

• 该研究成功地招募并监测了美国各地的参与者,完成率为73%.
• 分析显示MG-ADL得分与恶化状态之间的一致性.
• 数字特征,包括症状变化,每日步数和临床特征,被确定为MG恶化的潜在预测因素.
• 机器学习根据症状模式确定了不同的恶化亚型.

结论:

• 使用智能手机平台进行分散的数字表型化是MG研究的一个可行的方法.
• 这种方法提供了一个多维和频繁的数据收集策略,以更好地了解MG恶化.
• 研究结果表明,数字工具有潜力通过识别其异质性来个性化MG治疗.